- 发布日期
当AI代理走进实验室 为何仍写不出一篇合格的论文？
- 作者
- 姓名
- 荷鲁斯快报
- 社交账号
一项最新研究显示，即便是当前最先进的AI代理，在独立完成开放式科学研究任务时，仍远达不到人类科学家的水平。它们撰写的论文甚至无法通过顶级学术会议最基本的评审。这项发表在预印本平台arXiv上的研究由Peter Kirgis等人主持，为几款前沿AI代理设置了一场颇具挑战性的测试：给予六天时间，围绕两篇尚未公开发表的AI会议投稿主题，独立开展研究并撰写论文。
选择未发表的课题是为了确保AI无法从互联网上检索现成答案。两个课题分别涉及语言模型“人格”的结构与可控性，以及为表格型基础模型设计分布偏移检测器，均为当下人工智能研究的前沿方向。为了让测试贴近真实科研场景，研究者为AI代理配备了不受限制的互联网访问权限、专属计算算力，以及约合三千美元的模型使用额度。
六天期限过后，人类专家按照顶级AI会议评审标准打分，结果堪称惨淡：两篇论文分别只获得六分制中的2分和1分，属于明确无误的“拒稿”级别。评审专家指出，尽管AI理解了研究问题，甚至提出了一些与原始研究者相近的方向，但其科学推理过程存在严重缺陷。实验设计被形容为“怪异且难以理解”，研究结论更像是“事后拼凑出的选择”，而非严谨的假设检验。
一位评审专家特别批评了AI从有限的失败测试中得出过度概括结论的逻辑漏洞，称其为一种“举例证明”式的非科学谬误。更耐人寻味的是，这些AI代理在面对负面反馈时表现笨拙——它们往往只是在已有结论上打补丁、加注释，而不是推倒重来。尽管拥有六天时间和三千美元预算，它们实际使用的API额度还不到一半，却仍然匆忙提交了远未达到发表标准的论文。
这并非AI第一次在复杂科研任务上折戟。国际权威期刊《自然》近期发布报告指出，在真正复杂的研究任务上，人类科学家依然全面胜过最优秀的AI代理。这与国内学界的观察不谋而合——中国科学院院士周志华近期也曾公开呼吁加大AI算法基础研究支持力度，鼓励科研人员开展真正的原创性研究，从侧面印证了当前AI在“原创”维度上的短板。
需要澄清的是，这些结果并不意味着AI在科研领域毫无价值。目前来看，AI更适合扮演“科研助手”的角色——撰写代码、检索文献、跑通实验流程，这些环节它已表现得相当出色。但从辅助性工作跃升到独立提出假设、设计实验、面对失败并自我纠偏的完整科研闭环，仍是一道尚未跨越的门槛。
正如图灵奖得主姚期智在2026世界人工智能大会上所言，“人工智能有局限性其实是好事”。明确这些边界，恰恰是让人类与AI形成良性协作、而非盲目替代关系的前提。科学发现的本质，从来不只是信息处理与模式匹配，而是在不确定性中提出问题、承受失败、不断修正方向的漫长过程。至少在目前，这份属于人类的耐心与判断力，还是机器难以复制的稀缺能力。
